基于机器视觉的道路标线损坏智能检测设想

叶云

（广州市公路实业发展公司，广东广州 510650）



基于机器视觉的道路标线损坏智能检测设想

叶云

（广州市公路实业发展公司，广东广州 510650）

摘要：道路维护是公路运营管理的重要组成部分，特别是在高速公路不断扩张的环境下，如何利用先进的技术来提高维护质量、降低维护成本已成为公路运营管理中的研究热点。文中依据先进的机器视觉技术，提出基于机器视觉的道路标线损坏智能检测设想来辅助道路标线维护，仿真试验证明该方法具有非常好的检测效果。

关键词：交通工程；公路运营维护；道路标线检测；智能交通系统

随着国民经济的稳步发展，公路作为连通各省市的交通纽带也得到快速发展，全国道路交通网络不断扩大，不仅给人们的出行带来便利，也缓解了日益增长的汽车保有量带来的交通拥堵，但给公路维护带来了巨大挑战。公路里程长、维护经费有限、维护设备种类多、维护环境复杂和维护人员有限等都制约了公路网络的维护质量与效率。有效地对公路进行维护和保养，不仅可提高公路的使用寿命和运营管理水平，还能减少交通事故，提升道路交通安全水平。随着计算机技术的飞速发展，如何利用先进的科学技术辅助公路的各种设施维护已成为智能交通领域的一个研究热点。

车道标线在指引行车方向、缓解交通压力等方面具有非常重要的意义，对道路标线进行有效维护不仅可减少交通压力，还能减少交通事故，增强交通安全。该文主要以车道标线为例，阐述基于机器视觉的车道标线损坏检测方法，辅助公路管理部门对车道线的维护。

1　研究现状

对于道路标线，主要从色度、感光度和残损程度等方面来判断是否损坏。目前都是通过人工目测进行检测，其优点是准确，但存在效率低、需较多的人力和物力、影响道路交通等缺陷。如果利用车载摄像机或行车记录仪或无人机对路面进行拍摄，利用机器视觉技术代替人工进行道路标线损坏检测并结合GPS数据实现损坏准确定位，进而进行局部维护，不仅可降低道路标线维护成本，提高道路标线维护效率，还能弥补人工检测的一些缺陷。因此，利用机器视觉技术进行道路标线维护具有非常重要的意义和广泛的应用前景。

近年来，基于计算机视觉技术的车道标线检测技术广泛用于车辆自动或辅助驾驶系统中，并且车道标线检测是车道偏离报警系统和自动导航系统等的重要组成部分。因此，许多研究者对车道线检测算法进行了研究：Loce R.P.等对计算机视觉技术在道路交通系统中的应用进行了总结；Buch N.等针对城市交通系统中计算机视觉技术进行了总结与分析；Kastrinaki V.等将车道线检测算法分为车道线区域检测法、特征驱动法和模型驱动法三类；刘富强等提出了一种适用于自主驾驶系统的车道线检测跟踪算法，该算法可同时适应曲道和直道的检测；王晋等利用车载摄像机捕获到的交通视频图像，运用运动光流法提取动态背景条件下的车辆与车道线；胡骁等根据道路图像不同物体颜色特征，按照特征颜色设计转移函数，标记交通视频图像中的特征颜色区域，提出了基于特征颜色的车道检测算法；高志峰等针对非平坦路面条件，提出了一种鲁棒的路面车道线检测算法，该算法不依赖于摄像机自身参数，并具有计算简便等优点；龚建伟等为提高结构化道路车道线检测的图像处理速度，提出了一种单目视觉自适应动态窗口的高速车道线检测算法，满足自动辅助驾驶实时性要求。

2　车道标线损坏检测算法

车道标线损坏检测算法主要由图像预处理、标线检测、形态学处理和损坏程度判断四部分组成，其流程为输入交通彩色图像→图像预处理→标线检测→形态学处理→根据阈值判断损坏程度→输出检测结果。

2.1图像预处理

车载摄像机安装在车头上，拍摄到车辆前方路面上平行并且粗细均匀的道路标线会变得越来越细，道路标线也会变得越来越近。但因摄像机参数不同，容易引入一些噪声，会给道路标线检测带来很大的影响。因此，需要在标线检测前对图像进行预处理，降低噪声的影响。图像预处理主要包括降噪、透视形变消除和颜色分量分离三部分。采用高斯滤波的方法消除图像中的高斯噪声，采用文献［9］中的逆透视变换方法和设置ROI感兴趣区域消除透视形变的影响。

2.2标线检测

目前中国道路主要以水泥和沥青路面为主，其色彩接近灰色（水泥路）或黑色（沥青路）。通过对这两种路面图像的分析，发现其在RGB颜色空间各分量上的像素值约相同。而道路上划的标线以白色或黄色为主，可利用式（1）来识别路面上划的标线。

式中：VR、VG、VB分别为RGB颜色空间R分量、G分量和B分量上的像素值。

2.3形态学操作

按照式（1）检测得到标线候选图像后，可能会因为光照、路面环境等影响而存在一些齿轮和孔洞，这些都会影响后续的标线损坏检测，需对标线进行进一步处理，提高标线识别的准确性。通过形态学开和闭操作来处理候选图像上的噪声。假设f为标线候选图像，b为设计的结构元素函数，对标线候选图像可按式（2）和式（3）进行形态学开和闭运算。

式中：f°b表示f被b的形态学开运算；fΘb表示f 被b的腐蚀操作；f·b表示f被b的形态学闭运算；f⊕b表示f被b的膨胀操作。

2.4损坏级别判断

经过上述操作后，可得到清晰的道路标线在图像中的位置，并能计算得到标线的面积。由于道路标线施工需封闭车道，道路标线损坏达到一定程度后才能进行维护。因此，需对标线的损坏级别进行判断，使算法更贴近实际应用。主要利用标线的面积比来判断车道线的损坏程度。如式（4）所示，通过设置不同的检测阈值，将道路标线的损坏程度划分不同的等级。最后利用车辆行驶的GPS数据，结合设置的等级阈值实现道路标线损坏的自动检测、识别与定位，减少人工检查或定期修复带来的人力、物力和财力浪费。

式中：r为标线面积比；th1～th4表示不同的阈值。

3　试验及结果分析

为了验证上述方法的有效性，从真实的道路上采集大量图像进行试验。设置的4个阈值分别为th1=0.95、th2=0.8、th3=0.65、th4=0.5。试验环境为win7操作系统，2G内存，MATLAB2014a。

根据车道标线损坏检测算法流程进行试验，得到图1所示部分试验结果。

从图1可以看出：检测结果一中，原始道路图像里的道路标线基本上完整，其检测结果的面积比r =0.904 31，属于轻微受损。而检测结果二中，原始道路图像里的道路标线损坏严重，算法检测出的面积比r=0.529 55，属于严重损坏。算法检测结果与实际情况相符，说明该方法能准确检测道路标线的损坏程度。

图1　道路标线部分检测结果

4　结语

该文提出一种基于计算机视觉技术的道路标线损坏智能检测设想，辅助道路维护中车道标线损坏检测与识别。通过对真实交通图像在MATLAB环境中进行仿真试验，结果表明该方法具有较好的识别效果。该方法结合GPS数据，可实现车道线损坏的自动检测，为后续道路快速维护提供有效的技术支持，具有重要意义。

参考文献：

［1］ 谭飞刚，刘伟铭.多部件验证的双层行人检测算法［J］.华南理工大学学报：自然科学版，2015，43（1）.

［2］ 谭飞刚，刘伟铭，黄玲，等.基于加权欧氏距离度量的目标再识别算法［J］.华南理工大学学报：自然科学版，2015，43（9）.

［3］ Loce R P，Bernal E A，Wu W，et al.Computer vision in roadway transportation systems：a survey［J］.Journal of Electronic Imaging，2013，22（22）.

［4］ Buch N，Velastin S A，Orwell J.A review of computer vision techniques for the analysis of urban traffic［J］. IEEE Transactions on Intelligent Transportation Systems，2011，12（3）.

［5］ Kastrinaki V，Zervakis M，Kalaitzakis K.A survey of video processing techniques for traffic applications［J］. Image and Vision Computing，2003，21（1）.

［6］ 刘富强，张姗姗，朱文红，等.一种基于视觉的车道线检测与跟踪算法［J］.同济大学学报：自然科学版，2010，38（2）.

［7］ 王晋，胡觉晖，牛蕴婷，等.动态背景下的车辆与车道线检测［J］.桂林电子科技大学学报，2011，31（2）.

［8］ 胡骁，李岁劳，吴剑.基于特征颜色的车道线检测算法［J］.计算机仿真，2011，28（10）.

［9］ 高志峰，汪渤，周志强，等.一种鲁棒的非平坦路面车道线检测算法［J］.北京理工大学学报，2013，33（1）.

［10］ 龚建伟，王安帅，熊光明，等.一种自适应动态窗口车道线高速检测方法［J］.北京理工大学学报，2008，28 （6）.

［11］ 赵颖，王书茂，陈兵旗.基于改进Hough变换的公路车道线快速检测算法［J］.中国农业大学学报，2006，11（3）.

中图分类号：U491.5

文献标志码：A

文章编号：1671-2668（2016）03-0055-03

收稿日期：2016-02-02